电子稳像中运动矢量一致性的优化算法

针对电子稳像技术传统块匹配法求运动矢量的固有缺点,采取四叉树———一种变块匹配方法计算运动矢量,使求得的运动矢量有较好的一致性.与其它变块匹配方法相比,该方法克服了其它变块匹配法的不足.实验表明,使用该法求出的运动矢量有较好的一致性和准确性.     

网络学习模式识别移动代理因素提取方法研究

从分析网络学习因素的角度出发,提出了利用数据融合理论和使用移动代理技术解决网络学习模式识别的问题。详细分析了网络学习模式中的主要因素,针对网络学习模式识别提出了使用移动代理(MA)进行因素提取的方法。同时运用数据融合技术中分布式缠绕判决模型进行描述,从而使有效地获取网络学习者的学习状态变为可能。也对网络学习因素提取MA的执行环境进行了具体阐述。设计了因素提取MA体系结构,分析了因素提取的执行过程,采用ATP层代理传输协议作为移动代理系统的应用层协议,负责学习模式识别的因素提取。     

多重网格法求解静电像管三维电场的若干问题研究

详细讨论了多重网法数值求解三维静电场的若干数学问题,诸如三维多重网格法的限制与延拓公式推导、确定静电像管三维电子光学系统中的锥面电极、圆筒电极、球面电极、圆孔膜片电极、孔电极等的空间位置及范围的方法、以及迭代计算的逻辑尺编码方法等,为像管电子光学系统设计及优化设计奠定了良好基础.     

一种基于VPRSM的辐射源模糊识别方法

为解决辐射源识别的问题,研究利用变精度粗糙集模型来确定辐射源识别特征权值的方法。由概念的正域中对象类的条件属性的描述,得到该概念的充分条件,并依据知识间的依赖性作为所要考虑的因素来获取特征权值,同时结合模糊集理论,提出一种基于变精度粗集特征加权的辐射源模糊识别方法。最后将此识别方法模型应用于雷达辐射源用途识别,仿真实验及其结果验证了该方法的可行性和有效性。     

BM弹头雷达一维像干扰初探

根据目前反导雷达使用宽带信号对目标进行一维成像,检测目标几何特征的特点,从弹道导弹(BM)弹头雷达一维像(HRRP)特征出发,参照宽带线性调频雷达成像原理,讨论了对BM弹头HRRP可采取的几种电子干扰措施,包括对BM弹头HRRP的模拟和遮盖,给出了模拟BM弹头HRRP时所需生成的各信号特征,分析了每种遮盖干扰信号的功率利用情况,最后分析了每种干扰措施的优缺点。     

《美国牧歌》的神话原型解读

本文拟以神话原型理论为理论基础来解析菲利普.罗斯的著名作品《美国牧歌》。根据弗莱对原型的定义,指出该小说呈现了人物原型、主题原型、意象原型等。这些看似偶然的原型形成了普遍的结构关联,决定了作品的内在一致性。作者通过再现特定历史时期的原型,激发读者重新思考过去、现在和未来的联系。     

基于标准化信息距离的彩色图像检索方法

针对标准化信息距离（Normalized Information Distance,NID）在图像检索（Image Retrieval,IR）应用中的优势和不足,结合图像的显著图,给出了一种改进的基于NID的IR算法,并进行了仿真实验。结果表明：改进算法的检索性能有了较好的改善。     

一种新的形态中值小波图像去噪方法

图像去噪是图像预处理中一项重要环节.针对线性小波分析在图像去噪中会丢失一些细节信息这一缺点,利用数学形态学算子的非线性特征,构建了一种非线性的可用于灰度图像处理的形态中值小波,并应用于图像去噪.对比实验结果表明,该方法比线性小波去噪方法具有更好的去噪性能,图像细节信息损失更小.     

Multi-scale traffic vehicle detection based on faster R-CNN with NAS optimization and feature enrichment

It well known that vehicle detection is an important component of the field of object detection. However, the environment of vehicle detection is particularly sophisticated in practical processes. It is compara-tively difficult to detect vehicles of various scales in traffic scene images, because the vehicles partially obscured by green belts, roadblocks or other vehicles, as well as influence of some low illumination weather. In this paper, we present a model based on Faster R-CNN with NAS optimization and feature enrichment to realize the effective detection of multi-scale vehicle targets in traffic scenes. First, we proposed a Retinex-based image adaptive correction algorithm (RIAC) to enhance the traffic images in the dataset to reduce the influence of shadow and illumination, and improve the image quality. Second, in order to improve the feature expression of the backbone network, we conducted Neural Architecture Search (NAS) on the backbone network used for feature extraction of Faster R-CNN to generate the optimal cross-layer connection to extract multi-layer features more effectively. Third, we used the object Feature Enrichment that combines the multi-layer feature information and the context information of the last layer after cross-layer connection to enrich the information of vehicle targets, and improve the robustness of the model for challenging targets such as small scale and severe occlusion. In the imple-mentation of the model, K-means clustering algorithm was used to select the suitable anchor size for our dataset to improve the convergence speed of the model. Our model has been trained and tested on the UN-DETRAC dataset, and the obtained results indicate that our method has art-of-state detection performance.     

损耗地面上线天线的一种近似计算方法

在普遍镜像法分析地面上垂直天线特性的基础上,提出了一种修正的镜像法,该方法能提高计算的速度.通过仿真计算以及对测量结果的比较,发现VLF天线输入阻抗随着地面电导率的改变而明显变化,而且大地的形状和地质在一定程度上影响VLF天线的发射效率.